多源异频数据多尺度融合:基于Transformer的煤炭需求预测研究
邵枫1
冯雨2
沈浩楠1
耿国强3
黄鹏4
邵虎5
1.中国矿业大学 数学学院,江苏 徐州 2211162.中国煤炭运销协会,北京 100013;中国煤炭市场网,北京 100070;江苏省应用数学(中国矿业大学)中心,江苏 徐州 2211163.中国煤炭市场网,北京 1000704.中国矿业大学 矿业工程学院,江苏 徐州 221116;中国矿业大学 深部煤炭资源开采教育部重点实验室,江苏 徐州 2211165.中国矿业大学 数学学院,江苏 徐州 221116;江苏省应用数学(中国矿业大学)中心,江苏 徐州 221116
摘要：准确预测煤炭需求对于保障国家能源安全、稳定市场价格及制定宏观经济政策具有至关重要的作用.然而,影响煤炭需求的因素众多,其相关数据往往来源于不同部门,具有日度、旬度、月度等多样的采集频率,给传统预测模型带来了巨大挑战.为解决该问题,提出一种融合多频率特征的深度学习模型——多频时间序列Transformer(MFT-Former),用于煤炭需求预测.该方法首先通过一套系统化的数据处理流程,将多源异构的原始数据清洗、对齐并重采样为 3 个时间同步的高、中、低频特征矩阵.随后,将此 3 个矩阵作为并行输入,送入一个特殊设计的多输入Transformer网络.该网络包含3 个独立的编码器分支,分别捕捉各频率下的时间依赖模式,并通过一个融合层将提取到的深层特征进行整合,实现对未来煤炭需求的预测.利用包含多个经济与行业指标的真实数据集,以过去12 个月的数据预测未来 6 个月的需求为任务,对模型预测表现进行评估.实验结果表明,MFT-Former模型能够有效融合不同时间尺度的信息,其在测试集上的平均绝对百分比误差达到 6.24%,证明了该方法在处理复杂、多频时间序列预测问题上的有效性和准确性.
关键词：煤炭需求预测多源异频数据多尺度特征融合Transformer时间序列预测
分类号：F416.21(世界工业经济)
资助基金：国家自然科学基金(72501283)国家自然科学基金(72471227)国家自然科学基金(72071202)
论文发表日期：2026-01-28
在线出版日期：2026-03-19（本平台首次上网日期，不代表文献的发表时间）
页数：9( 37-45 )
英文信息